首页> 正文

SARS医学图像识别与辅助诊断研究

2020-11-23阅读(855)

SARS医学图像识别与辅助诊断研究

论文摘要

严重急性呼吸道综合症(Severe Acute Respiratory Syndrome，SARS)，又称“非典型肺炎”，是人类面临的一种新的严重危害生命和健康的传染病。据卫生部和WHO的统计信息[1]，截至2003年7月31日，我国共报告SARS病例数5327人，占全世界报告人数的65.6％。2004年我国又报告有4例SARS确诊病例。对SARS疑似病例的准确、快速发现与诊断具有特别重要的医学和社会意义。由于受到医生经验、水平和主观因素等的影响，对SARS的的诊断正确性与效率仍不利于对该疾病的诊疗与疫情控制。因此迫切的需要计算机技术对SARS病例进行及时、准确的识别与诊断。今年来与SARS类似的新出现其他呼吸系统疾病(如禽流感等)也在不断的威胁着人类的健康，本文的研究对其也具有重要的参考意义。 利用计算机技术对医学图像进行处理和分析早在上世纪70年代就已经开始。研究工作包括从对煤矿工人粉尘肺、肺结核等肺部疾病的辅助识别与诊断到相对成熟的乳腺疾病的自动检测与诊断。该领域的研究是现代信息技术与多学科的交叉、综合和延拓产生的，涉及如医学诊断、计算机图像分析、数据处理及专家系统等众多学科。1990年后，随着医学及计算机技术的飞速发展，医学图像的自动识别和分析系统越来越多的受到计算机和医学领域的关注。目前国内外对医学图像识别的研究对象多集中在乳腺类疾病的识别诊断，其它如肺部疾病和脑部相关疾病的研究相对较少。SARS疾病的出现虽然给我国带来重大损失，但也使我们积累了丰富的诊断与治疗经验，为本文的研究创造了有利的条件。目前国内外对SARS疾病与计算机学科结合的研究集中在对该疾病的疫情控制建模、专家系统和诊疗数据分析等领域；而将SARS医学图像作为主要研究对象的相关文献报道则不多见。对建立在医学图像上的计算机辅助诊断系统还处于探索阶段。 本文以SARS患者的医学图像作为主要研究对象，通过对广州医学院第二附属医院PACS(Picture Archiving and Communication System，医学图像归档与传输系统)数据库系统中的SARS医学图像进行提取分析，结合图像分析与数据挖掘技术，利用计算机完成SARS医学图像的识别与辅助诊断。为完成对该课题的研究和试验，本文主要完成了如下的研究工作： (1)以图像为核心的计算机辅助诊断系统建模。与传统决策系统不同，由于图像数据的引入带来了处理方式和方法的转变。根据图像数据的复杂特性，需要对其进行处理，以便能够最大化利用信息资源。本文通过对图

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 论文选题及研究意义
  • 1.2 医学图像识别与辅助诊断的国内外研究现状
  • 1.3 SARS图像识别与辅助诊断的关键技术分析
  • 1.3.1 基于内容的SARS医学图像信息管理
  • 1.3.2 SARS医学图像分割技术
  • 1.3.3 SARS医学图像识别与辅助诊断系统的建立和评估
  • 1.4 文中常用数学符号体例的说明
  • 1.5 本文的主要研究内容与论文的组织
  • 第二章 SARS医学图像识别与计算机辅助诊断系统的体系结构
  • 2.1 图像数据识别系统的建模方式
  • 2.1.1 功能驱动型模型的结构
  • 2.1.2 信息驱动型模型的结构
  • 2.1.3 两种结构建模方式的比较
  • 2.2 SARS医学图像识别与辅助诊断系统的建模
  • 2.2.1 PACS数据库中的SARS医学图像数据
  • 2.2.2 SARS医学图像识别与计算机辅助诊断系统的建模
  • 2.3 本章小结
  • 第三章 SARS医学图像的数据预处理
  • 3.1 基于DICOM标准的SARS医学图像存储
  • 3.2 基础层数据的星型模型结构
  • 3.3 SARS胸部正位图像的获取
  • 3.3.1 SARS正位医学图像特征分析
  • 3.3.2 基于数据挖掘方法的SARS医学图像预处理
  • 3.3.3 SARS胸部正位图像预处理试验结果
  • 3.4 非图像数据的预处理
  • 3.5 CADSARS系统的基础层数据集
  • 3.6 本章小结
  • 第四章 形变模型与SARS医学图像的分割
  • 4.1 图像分割算法概述
  • 4.2 基于形变模型理论的图像分割算法
  • 4.2.1 形变模型的基础理论
  • 4.2.2 基于形变理论的活动轮廓模型
  • 4.3 点分布模型及启发性知识的获取
  • 4.3.1 点分布模型PDM的构造
  • 4.3.2 PDM模型试验结果
  • 4.3.3 椭圆域启发性知识的获取
  • 4.4 基于多分辨率椭圆域启发性知识的SARS医学图像分割算法
  • 4.4.1 基于椭圆域启发知识的SARS医学图像分割
  • 4.4.2 SARS医学图像的多分辨率模型
  • 4.5 SARS图像分割试验结果
  • 4.6 本章小结
  • 第五章 肺窗的概念及其应用
  • 5.1 问题的提出
  • 5.1.1 活动轮廓模型初始值设定与执行效率
  • 5.1.2 SARS医学图像的压缩
  • 5.2 肺窗的概念与性质
  • 5.2.1 肺窗的定义
  • 5.2.2 肺窗参数的计算
  • 5.3 奇异值分解及SARS医学图像压缩
  • 5.3.1 奇异值分解概述
  • 5.3.2 基于SVD的SARS医学图像压缩
  • 5.4 肺窗应用的试验结果
  • 5.4.1 活动轮廓模型的初始值设定问题
  • 5.4.2 基于肺窗的SARS医学图像的压缩
  • 5.4.3 SARS医学图像中肺部非对称性检测
  • 5.5 本章小节
  • 第六章 基于广义直方图的SARS图像检索
  • 6.1 图像内容检索综述
  • 6.2 广义直方图的概念与性质
  • 6.2.1 直方图
  • 6.2.2 基于直方图的图像检索
  • 6.2.3 广义直方图的定义
  • 6.2.4 多分辨率广义直方图
  • 6.3 基于广义直方图和互信息的SARS医学图像检索
  • 6.4 基于广义直方图的医学图像检索实验结果
  • 6.5 本章小结
  • 第七章 SARS医学图像纹理分析和识别算法评估
  • 7.1 SARS医学图像的纹理分析
  • 7.1.1 医学图像纹理分析研究现状
  • 7.1.2 基于统计特征的纹理分析
  • 7.1.3 SARS医学图像特征提取试验结果
  • 7.2 SARS医学图像识别算法评估
  • 7.2.1 基于关联规则的识别
  • 7.2.2 基于人工神经网络的识别
  • 7.2.3 基于决策树的识别
  • 7.2.4 基于Logistic回归分析的识别
  • 7.3 试验结果与分析
  • 7.4 本章小结
  • 第八章 全文总结
  • 8.1 研究总结
  • 8.2 进一步的工作
  • 参考文献
  • 攻读博士学位期间发表的学术论文
  • 致谢

    • 相关论文文献

    • [1].浅谈深度学习在图像识别领域的应用现状与优势[J]. 科技资讯 2020(03)
    • [2].基于深度学习的医学图像识别研究综述[J]. 中国卫生统计 2020(01)
    • [3].前沿科技动态[J]. 科技中国 2020(04)
    • [4].对基于深度学习的商品图像识别方法分析[J]. 科技创新导报 2020(02)
    • [5].基于小样本多背景下的飞机图像识别研究[J]. 电脑编程技巧与维护 2020(04)
    • [6].基于SSD_MobileNet_v1网络的猫狗图像识别[J]. 天津职业技术师范大学学报 2020(01)
    • [7].深度学习技术在火灾图像识别中的应用[J]. 福建电脑 2020(05)
    • [8].一种基于帧间差分法的舰船中靶图像识别方法[J]. 红外 2020(05)
    • [9].基于迁移学习的家猪图像识别研究[J]. 软件导刊 2020(07)
    • [10].基于双路注意力机制的化学结构图像识别[J]. 计算机工程 2020(09)
    • [11].浅析深度学习在图像识别中的应用[J]. 襄阳职业技术学院学报 2019(02)
    • [12].计算机图像识别的智能化处理方法分析[J]. 科技经济导刊 2019(11)
    • [13].计算机图像识别的智能化处理技术瓶颈与突破[J]. 信息与电脑(理论版) 2019(16)
    • [14].基于图像识别的课堂效率监测技术设想[J]. 中国新通信 2019(18)
    • [15].浅谈计算机图像识别的智能化处理方法[J]. 计算机产品与流通 2019(11)
    • [16].基于深度学习的医学图像识别研究进展[J]. 中国生物医学工程学报 2018(01)
    • [17].计算机图像识别的智能化处理技术瓶颈与突破[J]. 信息与电脑(理论版) 2018(21)
    • [18].学校食堂菜品图像识别方法研究[J]. 黑龙江科技信息 2017(14)
    • [19].人工“智能”图像识别[J]. 中国信息技术教育 2017(Z2)
    • [20].智能钱币分类整理机[J]. 科学中国人 2017(03)
    • [21].计算机图像识别智能化处理技术的研究[J]. 广西教育 2016(35)
    • [22].基于图像识别的食品变质检测技术[J]. 饮食科学 2017(06)
    • [23].论自适应3DLBP特征下的人脸深度图像识别[J]. 赤子(下旬) 2016(12)
    • [24].智·医疗[J]. 风流一代 2017(24)
    • [25].图普科技 日均处理图片9亿张[J]. 创业邦 2017(08)
    • [26].“无人便利店”想要走进我们的生活,还要蹚过哪些坑?[J]. 环球市场信息导报 2017(23)
    • [27].深度学习在图像识别中的研究及应用[J]. 电子世界 2020(19)
    • [28].关于人工智能的图像识别技术分析[J]. 科技资讯 2020(10)
    • [29].基于图像识别板球控制系统的设计[J]. 电子设计工程 2020(13)
    • [30].基于卷积神经网络的畜牧业动物图像识别研究[J]. 软件 2020(08)

    标签：;  ;  ;  ;  ;  

    SARS医学图像识别与辅助诊断研究
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5